BriefGPT - AI 论文速递
·
非线性系统的计算高效数据驱动发现与线性表示
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于Koopman算符理论的数据驱动方法，用于控制黑盒非线性动态系统的频率和收敛速率。该方法利用策略网络训练Koopman算符的特征值接近目标特征值，策略网络由神经网络和极点配置模块组成，并使用增强学习进行训练。结果表明，该方法比无模型强化学习和基于模型的控制具有更好的性能。
🎯
关键要点
- 提出了一种基于Koopman算符理论的数据驱动方法
- 该方法用于控制黑盒非线性动态系统的频率和收敛速率
- 利用策略网络训练Koopman算符的特征值接近目标特征值
- 策略网络由神经网络和极点配置模块组成
- 使用增强学习进行端到端的训练
- 结果表明该方法性能优于无模型强化学习和基于模型的控制
➡️
